Un système à fibre optique à l'aide d'AI atteint un record de vitesse de 2547 Tbs.

Imaginez télécharger un film 8K instantanément, sans aucun temps d'attente. Ce scénario futuriste est en train de devenir réalité grâce aux avancées technologiques en matière de communication optique. Une récente collaboration entre FiberHome, China Mobile et des instituts de recherche a permis d'atteindre un impressionnant débit de 254,7 térabits par seconde (Tb/s) sur 200 kilomètres de fibre monomode, établissant un nouveau record mondial grâce à l'intégration des technologies optiques et de l'intelligence artificielle.

Nous vivons une époque d'explosion des données. Selon les projections d'IDC, le volume mondial de données atteindra 175 à 181 zettaoctets (ZB) d'ici 2025, soit le triple du chiffre de 2020. Cette augmentation est due aux technologies émergentes, notamment les grands modèles de langage d'IA, l'IA générative et l'informatique de pointe, qui exigent toutes des vitesses et des capacités de transmission de données sans précédent.

Les systèmes de communication optique traditionnels ont eu du mal à équilibrer la capacité, la distance et l'efficacité. Alors que les demandes de données montent en flèche, cet équilibre est en train de se rompre. Les réseaux optiques - l'épine dorsale de l'infrastructure numérique - sont confrontés à la fois à d'énormes opportunités et à des défis. Si l'économie numérique est un train à grande vitesse, les réseaux optiques sont les rails qui permettent sa progression. Sans la modernisation des voies, même les trains les plus rapides ne peuvent pas atteindre leur plein potentiel.

Cette réalisation représente des avancées significatives dans trois aspects essentiels des systèmes de transmission optique :

• Ultra-haute capacité : En mettant en œuvre le multiplexage par répartition en longueur d'onde dense et la transmission coopérative multi-bandes (S+C+L), les chercheurs ont élargi la bande passante spectrale à 19,8 THz, soit plus de quatre fois celle des systèmes conventionnels. Cela transforme une route à une seule voie en une autoroute à quatre voies pour les données. L'aplatissement spectral avancé et l'amplification hybride ont permis d'atteindre une efficacité spectrale de 12,86 bits/s/Hz, ce qui permet de concentrer davantage de données dans la bande passante disponible.
• Qualité de signal exceptionnelle : Après une transmission de 200 km, la qualité du signal est restée excellente. Le multiplexage par polarisation et la mise en forme probabiliste des constellations ont optimisé l'entropie du signal, améliorant ainsi la stabilité et la résistance aux interférences. Les techniques d'amplification combinées, notamment l'amplification Raman, ont minimisé l'atténuation du signal et les effets non linéaires.
• Transmission améliorée par l'IA : Les algorithmes d'apprentissage automatique, en particulier l'égalisation des réseaux neuronaux par apprentissage par transfert, ont augmenté le débit total de 11,7 %. Ce « cerveau intelligent » optimise dynamiquement les paramètres de transmission. Contrairement au traitement numérique du signal traditionnel, l'IA permet des modèles de réseaux neuronaux indépendants pour chaque bande, corrigeant les erreurs non linéaires tout en réduisant la consommation d'énergie.

Une innovation clé consiste à utiliser des réseaux neuronaux pour la correction des erreurs de transmission par fibre. Les systèmes traditionnels s'appuient sur des modèles mathématiques complexes et des circuits matériels pour compenser les effets non linéaires, avec des limites inhérentes en termes d'efficacité et de précision. Les algorithmes d'IA effectuent cette tâche plus efficacement, comme un ingénieur expérimenté ajustant les paramètres en temps réel.

L'équipe a utilisé l'apprentissage par transfert pour améliorer considérablement l'efficacité de l'entraînement de l'IA. Alors que les méthodes conventionnelles nécessitent un entraînement séparé des réseaux neuronaux pour les bandes S, C et L, ce qui exige des données et du temps massifs, l'apprentissage par transfert applique l'expérience de la bande C aux bandes S/L, réduisant ainsi les besoins en données de 70 % et divisant par deux les cycles d'entraînement. Cette percée relève des défis critiques en matière de collecte de données et de déploiement de modèles, accélérant ainsi la mise en œuvre pratique.

Il est remarquable que les modèles de bande S/L aient maintenu des performances stables malgré les caractéristiques de longueur d'onde, les distributions de puissance et les environnements non linéaires différents. La bande L a obtenu une amélioration du débit de données net de 12,3 % grâce à l'égalisation des réseaux neuronaux, ce qui correspond aux gains de la bande C. Les tests ont confirmé une compensation significative des non-linéarités des émetteurs-récepteurs, notamment les limites de la bande passante des modulateurs et le bruit des amplificateurs. Cette généralisation inter-bandes et inter-scénarios établit l'apprentissage par transfert comme un facteur clé de l'IA dans les communications optiques.

Cette réalisation record marque une nouvelle phase dans les systèmes de communication optique améliorés par l'IA. Avec l'émergence des réseaux 6G et des applications économiques à basse altitude, les futurs réseaux optiques exigeront une plus grande capacité, une latence plus faible et une résilience accrue. L'intégration croissante de l'IA et des technologies optiques promet des réseaux de plus en plus intelligents, capables de soutenir la numérisation mondiale avec une transmission ultra-rapide et ultra-fiable, en particulier pour les applications intercontinentales et transocéaniques.

Grâce aux progrès continus de l'extension multi-bandes, de l'optimisation algorithmique et de l'intégration matérielle, les réseaux optiques approchent de l'ère du pétabit (1 pétabit = 1000 térabits). Cela permettra d'établir une base entièrement optique robuste pour le développement économique numérique, permettant une connectivité plus efficace, plus pratique et plus intelligente dans le monde entier.